/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
643 млн
Лицензия
Apache 2.0
Архитектура
haiku · dense
Библиотека
tiny_gdn
Опубликована
13 сен 2026

Haiku-base

Генерация текстаТекст → текст3 профессии

Базовая гибридная языковая модель примерно на 643 млн параметров для продолжения англоязычного текста и экспериментов с генерацией.

435скачиваний за 30 дней2лайкавеса обновлены8 окт 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Haiku-base — предварительно обученная базовая модель семейства Haiku, разработанная kerzgrr. Это гибридный декодер HaikuForCausalLM примерно на 643 млн параметров: 36 слоёв сочетают рекуррентное внимание Kimi Delta Attention и gated MLA, а для токенизации используется собственный BPE-токенизатор на 65 тыс. токенов. Модель обучалась продолжать текст на наборе FineWeb-Edu; она принимает текст и предсказывает следующие токены. Контекстная длина по метаданным — 32 768 токенов, однако в обучении использовалась последовательность длиной 2 048 токенов, поэтому более длинные контексты экспериментальны.

Модель подходит для экспериментов с генерацией и продолжением англоязычного текста, а также для исследований гибридных архитектур внимания. Это базовый чекпойнт без дообучения на инструкциях, поэтому он может многословно продолжать текст и ненадёжно отвечать на вопросы или выполнять команды. Для работы требуется библиотека tiny_gdn и зависимость flash-linear-attention; формат GGUF и llama.cpp не поддерживаются. Лицензия — Apache-2.0.

Сценарии применения

  • продолжение англоязычного текста по затравке
  • эксперименты с генерацией текста на компактной языковой модели
  • исследование гибридного внимания Kimi Delta Attention и gated MLA

Ограничения

Модель не дообучена на инструкциях и может ненадёжно отвечать на вопросы; обучение проводилось на последовательностях длиной 2 048 токенов, поэтому более длинный контекст экспериментален. Для инференса требуется flash-linear-attention; GGUF и llama.cpp не поддерживаются.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Haiku-base

Pretrained base model for the Haiku family (~655M)

Model Stage License Architecture Demo

A larger TinyGDN hybrid: Kimi Delta Attention memory plus gated multi-head latent attention


What this is

Haiku-base is the pretrained (base) checkpoint for Haiku, the ~655M successor to the Tercet family.

  • Scales kerzgrr/Tercet-base from ~502M to ~655M parameters
  • Hybrid Kimi Delta Attention (KDA) recurrent layers + gated MLA (NoPE) full-attention layers
  • Own 65,536 BPE tokenizer (not the Tercet 49k vocab)
  • This repo is pretrain-only raw text continuation
  • Chat model: kerzgrr/Haiku (SFT + APO; fine-tuned from the later v2 pretrain of this architecture)

This base model is for continuation and research. It will not follow instructions reliably.


Model Architecture

Pipeline: Text Prompt → BPE-65K Tokenizer → Haiku Hybrid Decoder (36L) → Next-token Prediction

Hybrid block schedule (×36)

Every 4th layer is gated MLA; the rest are Kimi Delta Attention:

KDA, KDA, KDA, MLA, … (3:1 recurrent-to-attention)

ComponentDetails
Kimi Delta AttentionLinear-time recurrent memory (flash-linear-attention)
Gated MLADeepSeek-style latent KV, content-only QK (NoPE), full-rank output gate
MLPSiTU-GLU
ResidualsBlock attention residual
NormZero-centered RMSNorm
EmbeddingsTied input / output

Technical specifications

ArchitectureHaiku hybrid (KDA + gated MLA)
Parameters655,270,488 deployable
Hidden size1,024
Intermediate (MLP)3,840
Layers36 (27 KDA + 9 gated MLA)
Attention8 heads, Q LoRA rank 512, KV LoRA rank 256
Linear (KDA)8 heads × 128 dim
Context (trained)2,048
Max position embeddings32,768
Vocabulary65,536 (BPE)
RoPE θ1,000,000 (partial factor 0.5; used by KDA)
Precision (Hub weights)bfloat16 EMA
Weight filemodel.safetensors (~1.22 GiB)

Training (pretrain)

DatasetFineWeb-Edu (10.13B packed train tokens)
Tokens seen4,404,019,200
Sequence length2,048
ObjectiveNext-token prediction (+ MTP during training; not used at decode)
OptimizerHybrid Muon + AdamW — β₁=0.9, β₂=0.95
Peak LR2 × 10⁻⁴
Warmup1% of steps
Grad clip1.0
EMAKarras power EMA (γ=1.0, p=0.75, max decay 0.9999) — this Hub file is the EMA weights
Checkpointoptimizer step 8,400
Val loss (EMA)3.6904 (ppl 40.06)

Install

1) System requirements

  • Python 3.10+
  • CUDA GPU strongly recommended
  • PyTorch with CUDA matching your driver

2) Create an environment

python -m venv .venv
# Windows
.venv\Scripts\activate
# Linux / macOS
source .venv/bin/activate

3) Install PyTorch

Pick the build for your platform from https://pytorch.org. Example:

pip install torch --index-url https://download.pytorch.org/whl/cu124

CPU-only:

pip install torch

4) Install Python deps

pip install safetensors tokenizers huggingface_hub

Flash Linear Attention is installed automatically by inference.py on first run (pinned commit + Windows import patches when needed). Git must be on PATH.

5) Download the inference script

curl -L -o inference.py https://huggingface.co/kerzgrr/Haiku-base/resolve/main/inference.py

# or Hugging Face CLI
hf download kerzgrr/Haiku-base inference.py --local-dir .

The script auto-downloads model.safetensors, config.json, tokenizer.json, and the tiny_gdn/ package from this repo.


Quick start

Single prompt (streams tokens):

python inference.py --prompt "The history of computing begins"

Interactive REPL:

python inference.py

Common options:

FlagDefaultDescription
--prompt(none)One-shot continuation; omit for REPL
--temperature0.8Sampling temperature
--top-p0.95Nucleus sampling
--top-k50Top-k (0 disables)
--max-new-tokens256Generation length
--repetition-penalty1.08Repetition penalty
--context-length2048Tokens kept in the window
--seed42RNG seed
--devicecuda if availablecuda or cpu
--no-streamoffPrint the full completion at once
--no-bosoffDo not prepend <|begin_of_text|>
--local-dir(none)Use a local snapshot directory

Files

kerzgrr/Haiku-base/
  README.md
  inference.py
  requirements.txt
  model.safetensors
  config.json
  tokenizer.json
  tokenizer_config.json
  special_tokens_map.json
  special_token_ids.json
  merges.txt
  vocab.json
  chat_template.jinja
  tiny_gdn/
    __init__.py
    config.py
    model.py
    haiku_layers.py
    nn_common.py

Limitations

  • Base model: not instruction-tuned; may ramble or fail at Q&A format
  • Scale: ~655M parameters — research / edge prototype, not a frontier model
  • Dependency: requires flash-linear-attention (KDA); not GGUF / llama.cpp compatible today
  • Context: trained at 2,048; longer windows are experimental

Model family

ModelParametersArchitectureStageHub
Monostich~100MLLaMA-styleSFTkerzgrr/Monostich
Monostich-2-base~150MTinyGDN hybridPretrainkerzgrr/Monostich-2-base
Monostich-2~150MTinyGDN hybridSFTkerzgrr/Monostich-2
Couplet-base~268MTinyGDN hybridPretrainkerzgrr/Couplet-base
Couplet~268MTinyGDN hybridSFTkerzgrr/Couplet
Tercet-base~502MTinyGDN hybridPretrainkerzgrr/Tercet-base
Tercet~502MTinyGDN hybridSFTkerzgrr/Tercet
Haiku-base~655MKDA + gated MLAPretrainthis repo
Haiku~655MKDA + gated MLASFT + APOkerzgrr/Haiku

Citation

@misc{haikubase2026,
  title={Haiku-base: A 655M Hybrid KDA + Gated-MLA Language Model},
  author={kerzgrr},
  year={2026},
  url={https://huggingface.co/kerzgrr/Haiku-base}
}

Acknowledgments


A haiku is three lines — larger than a tercet, still compact.

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · tiny_gdn

Нельзя запустить

Архитектура haiku неизвестна transformers в образе рантайма.

Класс архитектуры
HaikuForCausalLM
Ревизия весов
a99182b

0 моделей